matlab模式识别感知器实现线性可分、线性不可分，非线性可分

对分布于二维空间的线性可分样本进行分类，画出了其中每个类的判决函数、判决面。 并拓展到非线性可分或者不可分！

clear all;
close all;
clc

figure;
hold on;
grid on;

ang1=rand（1100）*pi*2;
r1=sqrt（rand（1100））;
x1=r1.*cos（ang1）+4;
y1=r1.*sin（ang1）+1;
scatter（x1y1‘rd‘）;%第一类

ang2=rand（1100）*pi*2;
r2=sqrt（rand（1100））;
x2=r2.*cos（ang2）+4;
y2=r2.*sin（ang2）+3.5;
scatter（x2y2‘go‘）;%第二类

ang3=（rand（1100））*pi*2;
r3=sqrt（rand（1100））;
x3=r3.*cos（ang3）+2;
y3=r3.*sin（ang3）+2;
scatter（x3y3‘b*‘）;%第三类

L=legend（‘第一类‘‘第二类‘‘第三类‘0）;
set（L‘FontSize‘12）;
axis（[0 10 0 10]）;

z1=[x1 x2 x3];
z2=[y1 y2 y3];
train_samples=[z1‘ z2‘ ones（3001）]‘;
[wcount]  = sensor（ train_samples1100100100 ）;%感知器分类

d=zeros（33）;
d=[（w（1:）-w（2:））‘（w（1:）-w（3:））‘（w（2:）-w（3:））‘]‘;
A=[d（11） d（12）;d（21） d（22）];
b=[-d（13）;-d（23）];
x=inv（A）*b;
plot（[x（1）10][x（2）-（10*d（11）+d（13））/d（12）]‘r-‘）;
plot（[-d（23）/d（21）x（1）][0x（2）]‘b-‘）;
plot（[-（d（33）+10*d（32））/d（31）x（1）][10x（2）]‘g-‘）;
%画判决面

X=xlabel（‘x‘）;
set（X‘FontSize‘12）;
Y=ylabel（‘y‘）;
set（Y‘FontSize‘12）;
T=title（‘感知器算法实现多类线性可分‘）;
set（T‘FontSize‘12）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-04-02 20:38  模式识别实验\
     目录           0  2016-11-29 21:29  模式识别实验\Perceptron1\
     文件        1101  2016-11-23 18:13  模式识别实验\Perceptron1\Perceptron_test.m
     文件        1420  2016-11-23 18:19  模式识别实验\Perceptron1\sensor.m
     目录           0  2016-11-29 21:29  模式识别实验\Perceptron2\
     文件        1046  2016-11-29 19:57  模式识别实验\Perceptron2\Perceptron_test.m
     文件         285  2016-11-20 09:33  模式识别实验\Perceptron2\rise_dim.m
     文件        1420  2016-11-23 18:17  模式识别实验\Perceptron2\sensor.m
     目录           0  2016-11-29 21:30  模式识别实验\Perceptron3\
     文件        1088  2016-11-23 18:14  模式识别实验\Perceptron3\Perceptron_test.m
     文件        1577  2016-11-29 20:16  模式识别实验\Perceptron3\sensor.asv
     文件        1569  2016-11-29 20:16  模式识别实验\Perceptron3\sensor.m